扩散模型研究「Purify Before You Align」：先净化再对齐可提升性能

「Purify Before You Align」研究提出，移除表示中的局部可预测强相关信息后，扩散模型能聚焦较弱的长程相关性，显著改善对齐效果。Sander Dieleman 认为，这与2019年其与 DeepMind 同事提出的层级自回归图像模型思路一脉相承，即先抽象局部细节，再于更抽象的表示上建模。